Diversas aplicaciones de ia permitieron acelerar los trabajos de investigación, desarrollo de vacunas y procesamiento de una gran cantidad de información relevante para encarar la pandemia.
| Comentario de Edna Márquez, Jesús Savage y Marco Negrete
En febrero de 2020 fue declarada oficialmente la pandemia de covid-19, enfermedad que apareció un par de meses antes en China y, rápidamente, se propagó por el mundo.1
La situación fue agravándose cada vez más y lo que pensamos que sólo duraría unas semanas o meses se prolongó por más de dos años; ahora sabemos que llegó para quedarse. Sin embargo, gracias al esfuerzo colectivo en todos los rincones del planeta, se ha podido controlar; de tal suerte que, a pesar de seguir apareciendo casos en todo el mundo, lo que costó tantas vidas ya no tiene el grado de mortalidad ni de gravedad como en el primer año, principalmente.
El control que ha podido hacerse de la enfermedad y su propagación –a diferencia de otras grandes pandemias, como la de la “gripe española” a principios del siglo XX–2 se debe, en gran medida, a los avances tecnológicos registrados en las últimas décadas, como la Inteligencia Artificial.
La IA es un área de las ciencias de la computación que se encarga de reproducir, a través de máquinas computadoras, el razonamiento y el comportamiento inteligente humano para resolver tareas difíciles. Dentro de los desarrollos de IA están los robots, los sistemas de lenguaje natural (traducción y reconocimiento de voz), los sistemas de visión artificial (identificación de rostros y objetos) y los sistemas para la toma de decisiones (diagnóstico automatizado), entre otros.3
Sistemas Inteligentes contra la covid-19
Todas las áreas que conforman la IA contribuyeron a la instrumentación de mecanismos que ayudaron a reducir los niveles de la pandemia.4
El ejemplo más evidente es el de la mascarilla protectora. Es bien sabido que el uso correcto del cubrebocas ha sido importante para disminuir la propagación de la enfermedad, que resultó una de las más contagiosas de los últimos años.5 El cubrebocas disminuye el número de partículas que pueden contener el virus en el aire y reducir la cantidad de las que puedan ingresar a nuestro cuerpo. Para ello, en algunos países se desarrollaron sistemas de visión artificial que, a través de cámaras, identifican a quienes no portan adecuadamente la mascarilla; es decir, automáticamente se detecta cuando no está cubriendo completamente la nariz y la boca de la persona;6 el propósito es advertir de forma inmediata y corregir la situación (Figura 1).
Otro caso, de relevancia mayor, es el desarrollo de antídotos contra el virus. La generación de vacunas contra covid-19 pudo lograrse en un tiempo mucho más corto de lo previsible para la creación de cualquier vacuna. La IA fue uno de los factores que aceleró este proceso.
Cuando se crea una vacuna es necesario saber qué sucederá con las proteínas que el virus está atacando en el cuerpo humano o cómo se afectarán a partir de la aplicación de la vacuna. Todo esto tomaba meses o años. Sin embargo, gracias al llamado “aprendizaje profundo” (deep learning) pudo hacerse en tiempo récord y con alta precisión.7
Otra área de aplicación de la IA en la lucha contra covid-19 se da en la capacidad de tomar decisiones. A partir de diciembre de 2019 se generaron grandes bancos de bases de datos en el mundo con información proveniente tanto del virus Sars-Cov2 –el cual provoca la enfermedad– como de la población diagnosticada.8 El denominado Machine Learning ha permitido el análisis de datos en grandes cantidades (Figura 2).9
Durante los primeros dos años de la pandemia los hospitales mexicanos fueron sobrepasados por la cantidad y complejidad para atender la gran cantidad de pacientes afectados por esta enfermedad. Esto provocó la reconfiguración de todo el proceso de atención y seguimiento de pacientes sin poner en peligro al propio personal médico
El análisis de estos volúmenes de datos permite, a partir de datos históricos y actuales, anticipar el comportamiento de la enfermedad en un país o en cualquier orden geográfico. Para los mismos enfermos se ha podido predecir el comportamiento de la enfermedad, según los síntomas y comorbilidades que padecen. Se han creado, asimismo, aplicaciones que apoyan en el diagnóstico médico, algunas de las cuales puede utilizarlas el propio paciente con su teléfono celular.10 El propósito de estas aplicaciones es prevenir más contagios y recomendar al usuario la atención médica inmediata por un especialista.
Otra aplicación permite identificar personas que pudieran haberse contagiado de covid-19 de acuerdo con las zonas geográficas o la detección de casos de contagio ya reconocidos, y prevenirlos para su atención oportuna.11
Como se sabe, el virus ha sufrido mutaciones a lo largo de los más de dos años de pandemia. Estos cambios se han conocido oportunamente gracias a que existe una gran base de datos de las secuencias del virus Sars-Cov2, denominada GISAID, en la que todos los países comparten secuencias obtenidas de personas enfermas (Figura 3), además de programas que permiten el análisis de la secuencia genética en muy corto tiempo y con gran exactitud haciendo la comparación de múltiples muestras tomadas a los pacientes de covid-19.
Un “robot de servicio” para México
Durante los primeros dos años de la pandemia los hospitales mexicanos fueron sobrepasados por la cantidad y complejidad para atender la gran cantidad de pacientes afectados por esta enfermedad. Esto provocó que se deba reconsiderar y reconfigurar todo el proceso de atención y seguimiento de pacientes sin poner en peligro al propio personal médico.
De todos los procesos que se han reconfigurado destacamos dos de ellos:
- Desinfección periódica de áreas en clínicas y hospitales usando luz ultravioleta (UV) o mediante la dispersión de sustancias para eliminar la presencia del virus.
- La atención a distancia y el teleseguimiento de pacientes delicados o portadores del virus, buscando su recuperación sin arriesgar la salud del personal sanitario.
Estos dos procesos pueden llevarse a cabo utilizando los llamados “robots de servicio”. El problema es que, en su gran mayoría, son construidos en el extranjero, lo que señala la necesidad de desarrollar capacidades propias y reducir sustancialmente la dependencia tecnológica del exterior.
No es lo mismo crear un robot de servicio diseñado específicamente para responder a los requerimientos de países como Estados Unidos, Japón o Alemania, que hacerlo a partir de la infraestructura disponible en México. Por otro lado, la interacción humano-robot impone, necesariamente, ciertas restricciones tanto de lenguaje como culturales. Además de esto, resulta indispensable el desarrollo nacional de algoritmos de control para desplazamiento, manipulación y postura, así como para la percepción y fusión de información de los robots de servicio; lo mismo que los mecanismos para la integración de la definición de tareas, la planificación de acciones, movimientos y trayectorias, y la ejecución mediante controladores.
En el laboratorio de Bio-Robótica, de la Facultad de Ingeniería de la UNAM se ha desarrollado un robot de servicio que pueda ser utilizado en hospitales. Para lograrlo se han establecido los siguientes objetivos:
Objetivos tecnológicos: Implementar módulos de hardware y software desarrollando los prototipos de “robots humanoides” con ruedas, construidos en el Laboratorio de Bio-Robótica; específicamente, las partes principales del robot: base móvil, manipuladores, sistema de visión, etcétera.
Objetivos sociales: Uso en clínicas y hospitales: desinfección periódica de áreas utilizando luz ultravioleta (UV) o dispersión de sustancias desinfectantes para eliminar la presencia del virus Sars-Cov2.
Comunicación: Ayuda a la interlocución entre pacientes, familiares y personal médico mediante mensajes de voz e imágenes.
Además de reducir el costo asociado a la importación de tecnología extranjera, un robot de servicio diseñado en el país contribuiría a generar plazas para ingenieros formados en nuestro sistema educativo. Por lo general, estos empleos calificados son escasos, por lo que un proyecto de estas características cumpliría con un propósito adicional: abrir oportunidades para nuevos talentos mexicanos en la ciencia y la tecnología de vanguardia.
NOTAS
1 Al respecto, pueden consultar el documento Archived: WHO Timeline – COVID-19, editado por la onu. Disponible https://bit.ly/3TTgUQI (Consultado el 30 de octubre de 2022).
2 Cf. Taubenberger, J.K. y David M. Morens (2006). 1918 Influenza: the mother of all pandemics. Disponible en https://bit.ly/3zvlDzR (Consultado el 30 de octubre de 2022).
3 Cf. Joshi, A.V. (2020). “Introduction to ai and ml”, en Machine Learning and Artificial Intelligence, Springer, Cham. Disponible en https://bit.ly/3TUjuWG (Consultado el 30 de octubre de 2022).
4 Cf. Hao Lv et al. (2021), “Application of Artificial Intelligence and Machine Learning for COVID-19 Drug Dscovery and Vaccine Design”, en Briefings in Bioinformatics, vol. 22, Issue 6, noviembre. Disponible en https://bit.ly/3Ub2QS9y (Consultado el 30 de octubre de 2022), así como Sali Abubaker Bagabir et al. (2022). “Covid-19 and Artificial Intelligence: Genome sequencing, drug development and vaccine discovery”, en Journal of Infection and Public Health, vol. 15, Issue 2, pp. 289-296. Disponible en https://bit.ly/3FwXaOp (Consultado el 30 de octubre de 2022).
5 Cf.. Ambika Lakhera et. al. (2021). “Face Mask Detection for Preventing the Spread of Covid-19 using Knowledge Distillation”, en Computational Performance Evaluation.
6 Oumina, N. et al. (2020). “Control The COVID-19 Pandemic: Face Mask Detection Using Transfer Learning”, en IEEE Xplore. Disponible en https://bit.ly/3WnbPSu (Consultado el 30 de octubre de 2022).
7 Taubenberger y Morens, op. cit.
8 S. Khare et al. (2021). “GISAID’s Role in Pandemic Response”, en China CDC Weekly, 3(49),
pp. 1049-1051. Disponible en https://bit.ly/3zUkNwX (Consultado el 31 de octubre de 2022).
9 Cf. The Johns Hopkins Coronavirus Resource Center. Disponible en https://bit.ly/3DXGFtL.
10 Alanzi T. (2021). “A Review of Mobile Applications Available in the App and Google Play Stores Used During the COVID-19 Outbreak”, en J Miultidisp Health 14, pp. 5-57. Disponible en https://bit.ly/3fkvKRh (Consultado el 31 de octubre de 2022).
11 Al respecto, consulte el sitio Términos y condiciones de uso de la “APP Covid-19 CDMX” del gobierno de la Ciudad de México, disponible en https://bit.ly/3fiFv2p
FIGURAS
Figura 1.
Sistema de detección automatizado de cubrebocas (Imagen tomada de https://bit.ly/3syyRI8).
Figura 2. La base de datos de la Universidad Johns Hopkins, en Estados Unidos, ofrece en tiempo real el estado de la pandemia en el planeta (tomada de COVID-19 Dashboard by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU). Disponible en https://bit.ly/3FOZpwT. Consultado el 30 de octubre de 2022).
Figura 3. GISAID es la base de datos de secuencias de ADN de personas que han sido infectadas. Los datos están disponibles para todo el mundo.
Fig. 4. Los Nuevos Robots Moxi ayudan a las anfermeras de Cedars-Sinai realizando tareas que consumen mucho tiempo y mejoran la eficiencia. Foto: Cedars-Sinai
